O capítulo 3 – Sistemas de Controle para AGV, apresenta algumas técnicas de controle aplicadas em objetos de estudo semelhante ao desta pesquisa, voltados sempre ao objetivo de controlar o AGV ao longo do seguimento de trajetória. Assim, fornecendo indícios de modelagem para um sistema de controle que busque a estabilização e acurácia do veículo.
Nesta pesquisa optou-se por uso da lógica fuzzy. O sistema aqui modelado propõe manter o posicionamento e orientação do veículo com erros próximos ao valor de referência do sistema. Com a aplicação do sistema de controle fuzzy adaptativo nesses veículos, tornar-se-á possível o tratamento dos fenômenos dinâmicos ocorridos no seguimento de trajetória, necessitando apenas que os sinais de controle mapeados, baseados na experiência heurística do especialista através das variáveis linguísticas, contemplem as variações do sistema.
O sistema de controle aqui proposto é caracterizado como Mamdani, por ser sistemas de fácil modelagem e basear-se na intuição do fenômeno (MAMDANI, 1973).
Para esta pesquisa supõe-se que o veículo se movimenta para frente e através das suas restrições não holonômicas, realizando a movimentação ao longo da trajetória e que o fato de controlar posição e orientação do veículo, obtendo como resultante os valores de velocidade, apresente resultados satisfatórios no seguimento de trajetória.
Um sistema de controle é constituído de alguns componentes que possuem funções para obtenção das saídas, baseado em informações das entradas do sistema. Para representação das funções desempenhadas de cada componente do sistema de controle, assim como o fluxo das informações desde a entrada até a saída, representado através de setas, normalmente é utilizado uma estrutura gráfica para representação do sistema conhecida como diagrama de blocos (OGATA, 2010).
A funcionalidade dessa forma de representação gráfica por diagrama de blocos se dá no fato de que: a visualização da estrutura de controle acaba sendo perceptível e entendível, ao contrário de uma análise do sistema de controle já em um ambiente físico de atuação. Com esse propósito, a Figura 4.1 apresenta o diagrama de bloco representando o sistema de controle e o objeto atuado, que no caso desta proposta de pesquisa é o AGV seguidor de linha com tração diferencial.
64
O diagrama de blocos apresenta as variáveis de entrada e saída do sistema. Como variáveis de entrada do sistema são impostos valores de referência para posição e a orientação do veículo, que nesta abordagem o valor de referência é 0 (zero), valor este que o sistema de controle buscará sempre atingir. Como variáveis de saída são as resultantes de posição e orientação do veículo.
Como entradas do sistema de controle, são utilizados erros resultantes dos valores de referência e posição e orientação do veículo, que passando pelo sistema de controle fuzzy adaptativo resultam nas saídas do sistema de controle que são as velocidades de cada uma das rodas do veículo.
A escolha de fuzzy adaptativo como técnica de controle é abordada visando um mapeamento detalhado do fenômeno dinâmico do veículo, da adaptação do sistema de controle frente a esse fenômeno e os erros ocorridos no seguimento de trajetória, sendo essas características mapeadas intuitivamente pelo especialista através de categorização linguística. Para obter os valores de posição e orientação do veículo é necessário mecanismo de sensoriamento, que nesta pesquisa é aplicado uma câmera posicionada no ponto estratégico a frente do veículo.
Neste processo de sensoriamento com a câmera, são utilizadas técnicas de visão computacional, o que possibilita detectar um trecho da linha de cor contrastante com o solo e determinar à qual distancia d, diferentes pontos centrais da linha estão o eixo geométrico central do veículo, bem como, determinar qual a orientação θ, figura 4.2.
Figura 4.2 – Momento de captura da câmera e obtenção da informação de distância e orientação.
Os ferramentais técnicos aplicados na câmera ocorrem em duas etapas, sendo elas: • Pré-processamento da imagem: nessa etapa o principal foco é identificar na
imagem gerada pela câmera, figura 4.3, o que é a linha de trajetória do veículo, sendo necessário a remoção de qualquer tipo de ruído na imagem e também objetos no campo de visão da câmera que possam interferir na identificação da linha, onde para isso é utilizado técnicas de pré-processamento de imagens, figura 4.4.
Figura 4.3 – Imagem
capturada pela câmera etapas de pré-processamento e Figura 4.4 - Imagem após eliminação de ruídos
• Processamento da imagem: na etapa de processamento, são identificados 5 pontos centrais ao longo da faixa e também quais os ângulos que os segmentos de reta que ligam esses pontos formando a orientação do veículo. O objetivo é determinar 5 pontos centrais ao longo do comprimento da faixa, Figura 4.5, e também quais os ângulos que os segmentos de reta que ligam esses pontos formam em relação a orientação do veículo, Figura 4.6.
Figura 4.5 – Distância dos
pontos ao centro segmentos de retas e uma linha Figura 4.6 –Ângulos entre os imaginária vertical
O processo de obtenção dessas informações está no escopo do projeto, porém advêm de trabalhos desempenhados por outros pesquisadores do laboratório TEAR, onde desde a captura e o pré-processamento da imagem da faixa, até o processamento e obtenção das informações, são aplicados filtros e mecanismos relacionados ao tratamento de imagens (SANTOS, 2016), os quais não serão descritos nesta pesquisa, mas indispensável para o sistema de controle e representado por meio do bloco sensor no diagrama de blocos da Figura 4.1.
A proposta desta pesquisa contempla a modelagem de um sistema de controle fuzzy adaptativo para um AGV seguidor de linha com tração diferencial, como mencionado anteriormente, onde no diagrama de blocos é representado pelo bloco Controle Fuzzy Adaptativo. A Figura 4.7, apresenta a explosão representativa do bloco de controle dentro do diagrama de blocos, sendo esse bloco o de principal interesse e abordagem por esta pesquisa.
Figura 4.7 – Descrição do sistema de controle fuzzy adaptativo proposto
O sistema de controle utilizado é do tipo Mamdani, com triangulação e trapézios em seus conjuntos e o uso dos operadores de max, máximo, e mim, mínimo, onde a conjunção opera sobre o mínimo e a disjunção opera sobre o máximo do conjunto no processo de inferência. Para a conversão fuzzy-escalar é utilizado o método de centroide. Todos as representações conceituais foram abordadas no capítulo 2 de Fundamentação Teórica, corroborando para a proposta de trabalho.
A composição de toda a estrutura do sistema de controle fuzzy adaptativo é crucial para que o veículo obtenha as velocidades a ser desempenhadas, entretanto um aspecto desse sistema de controle é ser adaptativo frente a incertezas e distúrbios dinâmicos que afetam o veículo. Para isso uma importante estrutura a ser modelada dentro do sistema de controle é a base de conhecimento e o processo de inferência.
Essas estruturas do sistema de controle são responsáveis pela tomada de decisão, contemplando os fenômenos de dinâmica de forma qualitativa. Nesse contexto, foram mapeadas variáveis linguísticas características para o problema de seguimento de trajetória, tendo como duas componentes principais a orientação e a distância do veículo em relação à linha. Como resultante do sistema de controle, são mapeadas as componentes de velocidade de cada uma das rodas do veículo, por tratar-se de um veículo com tração diferencial.
A tabela 4.1 apresenta as variáveis linguísticas mapeadas para o sistema de controle proposto, tendo como: 3 (três) variáveis linguísticas referentes a distância e orientação do
68
veículo aplicadas de forma independentes, assim como e 3 (três) variáveis linguísticas referentes as velocidades desempenhadas em cada umas das rodas.
Tabela 4.1 Variáveis linguísticas: granularidade da base, siglas e descrições.
Distância Orientação Velocidade Esquerda Velocidade Direita Sigla Descrição Sigla Descrição Sigla Descrição Sigla Descrição
N Negativo N Negativo B Baixa B Baixa
Z Zero Z Zero M Media M Media
P Positivo P Positivo A Alta A Alta
Por meio das variáveis linguísticas é possível mapear a ocorrência de fenômenos dinâmicos que resultam em erros do veículo seguindo a trajetória de forma intuitiva, para então modelar a base de regras do sistema de controle fuzzy e associar os parâmetros de adaptação do sistema.
Dessa forma são dispostas as variáveis linguísticas para a distância e orientação do veículo através de seu comportamento errôneo ao seguir a trajetória, então são mapeadas quais as melhores velocidades de forma qualitativa a ser atribuída em cada uma das rodas para que o veículo se acomode sobre a trajetória e por fim estruturar a base de regras dentro da base de conhecimento do sistema fuzzy adaptativo.
A Figura 4.8 e a Figura 4.9 apresentam o mapeamento das variáveis linguísticas no plano da trajetória referentes à distância d e apresenta o mapeamento das variáveis linguísticas no plano do seguimento de trajetória referente a orientação θ em relação ao campo de visão da câmera.
Figura 4.8 – Mapeamento das variáveis
linguísticas para a distância. Figura 4.9 linguísticas para a orientação. – Mapeamento das variáveis
Com a associação das variáveis linguísticas e a visualização da ocorrência do fenômeno errôneo sobre a trajetória e o centro do veículo, é possível definir intuitivamente as variáveis linguísticas de velocidade da roda esquerda, VE, e velocidade da roda direita, VD que qualificam
a correção do fenômeno de erro, demonstrando a estruturação das regras do sistema de controle. Sendo assim, assumindo que: o valor de referência do sistema de controle é 0 (zero) e coincidente com o centro geométrico do veículo e o centro da câmera, a esquerda do centro geométrico do veículo considera-se como área negativa em relação ao centro e à direita positiva. Dessa forma é possível definir a seguinte regra: quando a distância d é N –Negativa ou a orientação θ é N –Negativa, a ação a ser tomada é colocar a velocidade da roda esquerda VE como B – Baixa e a velocidade da roda direita VD como A – Alta, buscando a
70
Figura 4.10 – Definição intuitiva de regras para correção de erros de posição e orientação do AGV sobre a linha.
Seguindo essa mesma análise para todos os fenômenos de erros relacionados ao posicionamento a orientação do veículo, a base de regras é constituída. Contendo 3 regras variando as tomadas de decisão de velocidade frente aos erros de orientação e de posição, a tabela 4.2 apresenta as possíveis regras do processo de inferência.
Tabela 4.2 Tabela de Regras de Inferência.
d/θ VE VD N
→
B E A Z M M P A BAo final da elaboração da base de regras é possível parafrasear o conceito de adaptação, pois um sistema é dito como adaptativo quando estruturado para adaptar-se, ou seja, seja capaz de modificar a sua saída de acordo com a variação dinâmica dos seus parâmetros de entrada (ASTROM e WITTENMARK, 1994). Sendo assim a base de regras do sistema fuzzy é adaptada para comportamentos característicos dos possíveis erros no segmento de trajetória, e possui faixas de atuação, onde a faixa de utilização das regras adapta-se de acordo com o fenômeno dinâmico, indo de um fenômeno de erro mais à esquerda até um conjunto de possibilidades de erros mais à direita, além disso do sistema ser estruturado e sintonizado com base no fenômeno, i.e. de acordo com o fenômeno é utilizada uma regra ou uma composição de regras. Com isso a proposta contempla o objetivo de o sistema de controle ser adaptativo ao problema do veículo seguir a trajetória, sempre buscando manter a coincidência do ponto central da linha com o ponto estratégico do centro da câmera.
Como mencionado anteriormente, o sistema fuzzy adaptativo abordado por esta pesquisa consiste de suas regras e funções de pertinência baseada na triangulação e trapezoidais, utilizando operadores de MAX e MIM e centroide para conversão fuzzy-escalar. A Figura 4.11 apresenta a estrutura do sistema de controle fuzzy adaptativo com suas respectivas entradas,
posição e orientação, e suas respectivas saídas, velocidade da roda esquerda e da roda direita do veículo.
Figura 4.11 – Estrutura de Entradas e Saídas do sistema de controle fuzzy adaptativo.
Na Figura 4.12 apresenta o primeiro conjunto de variáveis linguísticas baseadas na distância, porém com intervalos de conjuntos caracterizados com letras apenas como título de demonstração.
Figura 4.12 – Conjunto de variáveis linguísticas referentes a distância e orientação.
A figura 4.13 apresenta o conjunto de variáveis linguísticas baseadas na velocidade da roda direita, porém os intervalos dos conjuntos também são caracterizados com letras.
72
Figura 4.13 – Conjunto de variáveis linguísticas referentes a velocidades impostas às rodas.
Não são apresentadas figuras que representem o conjunto de variáveis linguísticas baseadas na orientação, pois a granularidade do conjunto de orientação e distância são iguais, assim como para as velocidades de cada umas das rodas diferenciando apenas seus respectivos intervalos de conjuntos.
4.3 Considerações finais
Este capítulo apresentou a estrutura da proposta de trabalho desta pesquisa, destacando como são utilizados os conceitos supracitados no capitulo 2 e como é constituído o sistema de controle fuzzy adaptativo com base no fenômeno intuitivo de movimentação do veículo pelo ambiente e a forma em que ele está sobre a linha em determinados momentos. O capítulo ainda apresenta a estrutura da base de regras fuzzy passível de aplicação no veículo, baseando-se em duas variáveis à serem mensuradas: posição e orientação do veículo em relação a linha. Vale ressaltar que as técnicas de obtenção dessas variáveis são dispostas através de processamentos de imagens não contemplados nessa proposta de pesquisa, não sendo explicado as formas de obtenção dessas informações, pois tais técnicas foram desenvolvidas por meio de outros trabalhos dentro do grupo de pesquisa do TEAR, entretanto, se fazem necessárias sua adoção para atingir o objetivo final desta pesquisa. Diante desta proposta anunciada, a validação dos resultados dar-se-á por meio de cenários de testes e aplicações de métodos comparativos com o sistema de controle fuzzy adaptativo, onde essa validação é abordada no capítulo 5 de teste.
Em resumo, a ideia deste trabalho está relacionada ao sistema de controle de um AGV seguidor de linha onde será utilizado um sistema de controle fuzzy adaptativo, com uma base
de regras está pautada sobre a análise intuitiva de movimentação do veículo ao longo da trajetória, tornando a base de regras adaptável ao fenômeno em ocorrência. Em relação ao sistema de controle sua função é manter o veículo com maior precisão e acurácia em relação a linha, mensurando para isso duas variáveis posição e orientação do veículo, obtidas através de uma câmera.
Capítulo 5
5
I
MPLEMENTAÇÃO E
T
ESTES
5.1 Considerações Iniciais
Neste capítulo são descritos os caminhos e abordagens adotados para o desenvolvimento do sistema de controle fuzzy adaptativo proposto. Também é apresentado as formas de validação da pesquisa, que faz o uso de técnicas de controle clássico aplicado às variáveis mensuradas, posição e orientação do veículo em relação a linha. Como técnica de controle clássica, é apresentado o PID (Proporcional, Integral, Derivativo), ilustrando como a técnica é aplicada ao controle do veículo, sendo utilizado para comparação com o sistema de controle fuzzy adaptativo, sendo a última técnica de controle o foco desta pesquisa.
São apresentadas as cargas a serem transportadas no AGV, a fim de testes do sistema de controle, e os cenários de testes, onde são demonstradas as formas de pista com faixa para que o veículo siga a trajetória corroborando para a validação dos resultados.
5.2 Cenários de Teste
Buscando corroborar a validação da proposta, foram estruturados cenários de testes para os sistemas de controle, tanto para o método de controle fuzzy adaptativo proposto, quanto para o PID como métodos comparativos, visando sempre que o AGV siga a linha com maior acurácia e precisão. Para isso é utilizado um veículo com tração diferencial, cujo o peso total é 4,583 kg, com dois motores responsáveis pela atuação de velocidade em cada uma das rodas, Figura 5.1.
O AGV deste trabalho é estudado em parceria com as linhas de pesquisa do Grupo de Robótica Móvel do Laboratório de Mecatrônica da EESC-USP e do Laboratório TEAR – UFSCAR.
Para que o sistema de controle atue no veículo, possibilitando o seguimento de trajetória, são necessárias interações entre estruturas tanto físicas quanto computacionais. No AGV desta pesquisa são utilizados dois motores MAXON, juntamente com dois drivers EPOS 24/5, sendo esse conjunto responsável pela atuação de velocidade em cada uma das rodas do veículo.
Na operação desse pacote de hardware com os sistemas de controle fuzzy é utilizado o ROS – Robot Operating System, que é um conjunto de bibliotecas e ferramentas de código aberto, com o objetivo de auxiliarem a manipulação de arquiteturas robóticas, envolvendo drivers, hardwares de forma facilitada com os algoritmos de controle desses dispositivos.
Figura 5.1 – Objeto de estudo: AGV seguidor de linha com tração diferencial.
Como um dos objetivos do controle é: manter o veículo seguindo a trajetória com maior acurácia e precisão, e sendo sensível a ruídos e/ou fenômenos associados a dinâmica de movimentação, como por exemplo a variação de carga, são caracterizados pesos de transporte para este veículo, Figura 5.2, em três níveis: CARGA 01 - veículo vazio, CARGA 02 – veículo com a metade da carga total: 2 Kg e CARGA 03 – veículo com o total de carga: 4 Kg.
76
Figura 5.2 – AGV com as cargas de transporte.
Como pista a ser percorrida pelo veículo, são abordadas duas pistas diferentes: uma pista 01, contemplando a linha reta sem contornos curvilíneos com comprimento de 2,5 metros, Figura 5.3, e uma pista 02, contemplando movimentos de curvas a esquerda e a direita e retas, com comprimento variado, Figura 5.4. A linha demarcada na pista para que o veículo siga a trajetória possui 19 milímetros.
Um ponto favorável à arquitetura do veículo e esta estrutura de pista, é sua forma dinâmica dentro da aplicação, pois ao levar este domínio de problema para ambientes fabris, a facilidade em repintar ou até mesmo demarcar a linha a ser seguida dentro desses ambientes pode ser feita de forma rápida e dinâmica o que torna o uso da abordagem de veículos seguidores de linha com a arquitetura proposta nesta pesquisa, viável.
Figura 5.3 – Pista 01 à ser percorrida em
linha reta. Figura 5.4 com movimentos curvilineos a – Pista 02 à ser percorrida esquerda, a direita e em retas.
Para as velocidades impostas no veículo foi determinada uma velocidade média de 0.4 metros por segundo (m/s), com saturação de velocidade de até 0.6 metros por segundo (m/s) em cada uma das rodas, tais valores foram determinados frente as capacidades de rotação de cada um dos motores apurados em seus datasheets. Vale enfatizar que este objeto de estudo realiza movimentos apenas para a frente e sem movimentação lateral, devido à sua não holonomia.
Sendo assim o cenário de teste é associado entre as pistas a serem percorridas, as cargas de transporte, as variáveis mensuradas e os dois sistemas de controle conforme apresentados na tabela 5.1 e na tabela 5.2.
Tabela 5.1 Cenário de Testes 01 – Controle PID.
Cenário de Teste 01 Sistema de Controle Variável Controlada Tipo de
Pista Cargas Transportadas
Controle PID
Orientação
Pista 01 Carga 01, Carga02, Carga 03 Pista 02 Carga 01, Carga02, Carga 03
Distância
Pista 01 Carga 01, Carga02, Carga 03 Pista 02 Carga 01, Carga02, Carga 03
Tabela 5.2 Cenário de Testes 02 – Controle Fuzzy Adaptativo.
Cenário de Teste 02 Sistema de Controle Variável Controlada Tipo de
Pista Cargas Transportadas
Controle Fuzzy Adaptativo
Orientação
Pista 01 Carga 01, Carga02, Carga 03 Pista 02 Carga 01, Carga02, Carga 03
Distância
Pista 01 Carga 01, Carga02, Carga 03 Pista 02 Carga 01, Carga02, Carga 03
78